論文の概要: Wearable Sensor-Based IoT XAI Framework for Predicting Freezing of Gait in Parkinsons Disease

• arxiv url: http://arxiv.org/abs/2507.01068v2
• Date: Sun, 26 Oct 2025 04:30:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-28 17:41:21.683036
• Title: Wearable Sensor-Based IoT XAI Framework for Predicting Freezing of Gait in Parkinsons Disease
• Title（参考訳）: パーキンソン病における歩行の凍結予測のためのウェアラブルセンサベースのIoT XAIフレームワーク
• Authors: Biplov Paneru,
• Abstract要約: この研究は、Cataboost、XGBoost、Extra Treesといった機械学習(ML)アルゴリズムを用いて、臨床データに基づく正確なFOG分類を研究する。 開発されたセンサーベースの技術は、医療とバイオメディカルテクノロジーの強化の分野で現実世界の問題解決に大きな可能性を秘めている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This research discusses the critical need for early detection and treatment for early prediction of Freezing of Gaits (FOG) utilizing a wearable sensor technology powered with LoRa communication. The system consisted of an Esp-32 microcontroller, in which the trained model is utilized utilizing the Micromlgen Python library. The research investigates accurate FOG classification based on pertinent clinical data by utilizing machine learning (ML) algorithms like Catboost, XGBoost, and Extra Tree classifiers. The XGBoost could classify with approximately 97% accuracy, along with 96% for the catboost and 90% for the Extra Trees Classifier model. The SHAP analysis interpretability shows that GYR SI degree is the most affecting factor in the prediction of the diseases. These results show the possibility of monitoring and identifying the affected person with tracking location on GPS and providing aid as an assistive technology for aiding the affected. The developed sensor-based technology has great potential for real-world problem solving in the field of healthcare and biomedical technology enhancements.
• Abstract（参考訳）: 本研究は,LoRa通信を利用したウェアラブルセンサ技術を用いて,歩行凍結(FOG)の早期予測のための早期検出と治療の必要性を論じる。 このシステムはEsp-32マイクロコントローラで構成されており、トレーニングされたモデルはMicromlgen Pythonライブラリを利用する。 本研究では,Cataboost,XGBoost,Extra Tree分類器などの機械学習(ML)アルゴリズムを用いて,関連する臨床データに基づく正確なFOG分類について検討した。 XGBoostはおよそ97%の精度で分類でき、Catboostは96%、Extra Trees Classifierは90%の精度で分類できる。 SHAP解析はGYR SI度が疾患の予測に最も影響を及ぼす因子であることを示している。 以上の結果から,GPSによる追跡位置のモニタリングと特定が可能であり,被災者を支援する支援技術として援助が提供される可能性が示唆された。 開発されたセンサーベースの技術は、医療とバイオメディカルテクノロジーの強化の分野で現実世界の問題解決に大きな可能性を秘めている。

関連論文リスト

• BrainOmni: A Brain Foundation Model for Unified EEG and MEG Signals [50.76802709706976]
  異種脳波とMEG記録を対象とする脳基礎モデルBrain Omniを提案する。 多様なデータソースを統一するために、脳の活動を離散表現に定量化する最初のトークンであるBrainTokenizerを紹介します。 EEGの合計1,997時間、MEGデータの656時間は、事前トレーニングのために公開されているソースからキュレーションされ、標準化されている。
  論文  参考訳（メタデータ） (2025-05-18T14:07:14Z)
• Model Inversion Attacks Through Target-Specific Conditional Diffusion Models [54.69008212790426]
  モデル反転攻撃(MIA)は、ターゲット分類器のトレーニングセットからプライベートイメージを再構築することを目的としており、それによってAIアプリケーションにおけるプライバシー上の懸念が高まる。 従来のGANベースのMIAは、GANの固有の欠陥と潜伏空間における最適化の偏りにより、劣った遺伝子的忠実度に悩まされる傾向にある。 これらの問題を緩和するために拡散モデル反転(Diff-MI)攻撃を提案する。
  論文  参考訳（メタデータ） (2024-07-16T06:38:49Z)
• Benchmarking Skeleton-based Motion Encoder Models for Clinical Applications: Estimating Parkinson's Disease Severity in Walking Sequences [3.650839294933459]
  PD患者の歩行パターンを解析するための大規模人間の動作データセットを訓練した一般人動作エンコーダ。 運動障害社会の予測能力について,6つの事前訓練されたヒト運動エンコーダモデルの評価を行った。
  論文  参考訳（メタデータ） (2024-05-28T04:29:10Z)
• 1D-Convolutional transformer for Parkinson disease diagnosis from gait [7.213855322671065]
  本稿では,歩行からパーキンソン病の診断に有効なディープニューラルネットワークモデルを提案する。 本稿では,重症度を検知し,病状を正確に診断するためのハイブリッドConvNetTransform-erアーキテクチャを提案する。 提案手法は歩行データからパーキンソン病の異なる段階を検出するのに有効であることが示された。
  論文  参考訳（メタデータ） (2023-11-06T15:17:17Z)
• An Evaluation of Machine Learning Approaches for Early Diagnosis of Autism Spectrum Disorder [0.0]
  自閉症スペクトラム障害(Autistic Spectrum disorder、ASD)は、社会的相互作用、コミュニケーション、反復活動の困難を特徴とする神経疾患である。 本研究は,診断プロセスの強化と自動化を目的として,多様な機械学習手法を用いて重要なASD特性を同定する。
  論文  参考訳（メタデータ） (2023-09-20T21:23:37Z)
• The effect of data augmentation and 3D-CNN depth on Alzheimer's Disease detection [51.697248252191265]
  この研究は、データハンドリング、実験設計、モデル評価に関するベストプラクティスを要約し、厳密に観察する。 我々は、アルツハイマー病(AD)の検出に焦点を当て、医療における課題のパラダイム的な例として機能する。 このフレームワークでは,3つの異なるデータ拡張戦略と5つの異なる3D CNNアーキテクチャを考慮し,予測15モデルを訓練する。
  論文  参考訳（メタデータ） (2023-09-13T10:40:41Z)
• Differentiable Agent-based Epidemiology [71.81552021144589]
  GradABM(GradABM)は、エージェントベースのモデリングのためのスケーラブルで微分可能な設計で、勾配に基づく学習と自動微分が可能である。 GradABMは、コモディティハードウェア上で数秒で数百万の人口をシミュレートし、ディープニューラルネットワークと統合し、異種データソースを取り込みます。
  論文  参考訳（メタデータ） (2022-07-20T07:32:02Z)
• Multi-task fusion for improving mammography screening data classification [3.7683182861690843]
  まず、個別のタスク固有のモデルのセットをトレーニングするパイプラインアプローチを提案する。 次に、標準モデルの集合戦略とは対照的に、その融合について検討する。 我々の融合アプローチは、標準モデルのアンサンブルに比べてAUCのスコアを最大0.04向上させる。
  論文  参考訳（メタデータ） (2021-12-01T13:56:27Z)
• A multi-stage machine learning model on diagnosis of esophageal manometry [50.591267188664666]
  このフレームワークには、飲み込みレベルにおけるディープラーニングモデルと、学習レベルにおける機能ベースの機械学習モデルが含まれている。 これは、生のマルチスワローデータからHRM研究のCC診断を自動的に予測する最初の人工知能モデルである。
  論文  参考訳（メタデータ） (2021-06-25T20:09:23Z)
• Understanding Overparameterization in Generative Adversarial Networks [56.57403335510056]
  generative adversarial network (gans) は、非凹型ミニマックス最適化問題を訓練するために用いられる。 ある理論は、グローバル最適解に対する勾配降下 (gd) の重要性を示している。 ニューラルネットワークジェネレータと線形判別器を併用した多層GANにおいて、GDAは、基礎となる非凹面min-max問題の大域的なサドル点に収束することを示す。
  論文  参考訳（メタデータ） (2021-04-12T16:23:37Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。